28
13. Hasil penjumlahan piksel setiap barisnya dibagi dengan nilai 5000 di
dapat dari 25x200 untuk mencari rata-rata setiap baris vertikal. 14.
Simpan dalam variabel untuk hasil rata-rata setiap baris nya.
3.4 Perancangan Proses Klasifikasi
Setiap hasil dari ekstrasi ciri warna, rata-rata vektor dan penggabungan antara warna dan rata-rata vektor pada masing-masing citra, dicari mean dan
stándar deviasi untuk setiap atributnya. Setelah di dapatkan nilai mean dan stándar deviasi dari ekstraksi ciri masing-masing, nilai tersebut di jadikan sebagai
model untuk training dan testing. Proses klasifikasi dengan menggunakan Naive Bayes dilakukan dengan ekstraksi ciri sesuai pilihan. Algoritma proses klasifikasi
menggunakan Naive Bayes, seperti dibawah ini: Masukan: nilai mean, nilai stándar deviasi dan data testing
Keluaran: hasil probabilitas 1.
Memasukan nilai mean dan stándar deviasi ke dalam rumus Naive Bayes bersyarat 2.9.
a. For i =1: m untuk baris dari nilai stándar deviasi setiap kelas
b. For j =1: n untuk jumlah atribut dalam setiap kelas
c. Perhitungan dengan menggunakan rumus Naive Bayes
d. Memasukan data testing ke dalam perhitungan naive bayes satu persatu
e. Hasil dari perhitungan naive bayes di masukan kedalam matriks
bayesian PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
29
2. Kemudian menghitung likelihood setiap nilai yang didapat dari hasil
perhitungan Naive Bayes bersyarat 2.10 a.
For k =1: mBayesian untuk nilai dari hasil perhitungan sebelumya b.
For l =1 : nBayesian untuk nilai dari hasil perhitungan sebelumnya sesuai dengan jumlah atribut dalam setiap kelasnya
c. Jika terdapat nilai 0 dan NaN, maka nilai tersebut tidak akan dihitung
dalam likelihood d.
Melakukan perhitungan likelihood e.
Simpan hasil dari perhitungan likelihood kedalam matriks likelihood 3.
Menghitung nilai probabilitas 2.11. a.
For k= 1: mLikelihood untuk hasil dari setiap perhitungan likelihood b.
Melakukan perhitungan probabilitas c.
Simpan hasil probabilitas dalam matriks probabilitas d.
Kemudian mencari nilai probabilitas yang paling besar untuk menentukan kain tersebut berasal dari daerah mana
e. Hasil nilai probabilitas yang paling besar disimpan dalam variabel
hasilProbabilitas 4.
Ulangi langkah pertama sampai ketiga untuk semua data dari setiap kelas. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
30
3.5 Perancangan Proses Akurasi
